1、2024 年 8 月AI 改变能源智算如何引领新型电力系统AI 改变能源智算如何引领新型电力系统1前言 2第一章：文献综述与方法论 4 美国的算力增长预期，分歧重点在市场 5 中国算力增长预期，不确定性主要在技术 5第二章：测算方法与结果 7 中国智能算力每年增长 70%7 乐观情景下国产芯片有望突破 8 2030 年中国智算年用电最高 1.3 万亿度 9 智算中心成为用电量增长主力 10第三章：中国净零碳电力算力地图 11 智算中心发展初期主要在绿电供给不充分的东部 12 2030 年清洁电力发电量预测 12 智算用电需求的动态匹配 13 绿色算力电力区位条件 15第四章，智算加速建立新型电

2、力系统 17 24/7 全天候“智”“能”调度 17 绿电直供与跨区域交易 18 源网荷储碳一体的配电网与微电网 18 虚拟电厂 19结论：让智算率先实现净零碳电力 21附录 22关于报告 23 未尽研究 23 环球零碳 23目录AI 改变能源智算如何引领新型电力系统2能源与机器，自从技术革命以来，从来都不可分。新能源与机器学习正在走向融合，它们符合一个共同的技术和经济规律，效率上升，成本下降，而需求增长更快，产生了杰文斯悖论的效应。杰文斯是 19 世纪英国工业革命期间的一位经济学家。他发现，当煤炭的使用效率不断提升时，对煤炭的需求不仅没有下降，反而在煤炭的应用和相关领域产生了大量的创新，渗透

3、到各行各业，导致煤炭的消耗量上升。杰文斯悖论在历次技术与工业革命中持续上演，蒸汽机、内燃机和燃气轮机的效率不断提升，但人类对于化石能源的需求也持续增长了两百多年。杰文斯悖论揭示了资源、技术、经济之间的基本关系。摩尔定律是信息技术革命时代的杰文斯悖论。单位面积芯片上的晶体管数量每18 个月左右增加一倍，60 年来相当于算力的成本至少下降了 10 亿倍，推动经济与社会进入数字时代。而在加速计算逐步占据主流的深度学习“黄金 10 年”，GPU 的效率提升了千倍。尽管如此，在整个经济与社会向数字化与智能化转型的过程中，对于智能算力的需求在绝对数量和相对占比的意义上，不但没有减少，反而在加速增长，每个季

4、度翻番。这在很大程度上是由于算力更加密集的基础设施和应用正在涌现。如果考虑到未来的物理 AI 以及元宇宙，对于算力的需求几乎是无限的。如果能源的无限需求内生于经济发展，唯一的选择，就是使用绿色和清洁的能源。前言电力供能地位的三次超越有用能源是在所有加工和转换损失之后剩余的总能源20002010电力油有用能源供应（EJ）1900706050403020100191019201930194019501960197019801990煤炭来源：RMI说明：1900 年至 2010 年间有用能源供应的变化趋势：所有部门不包括非能源用途。有用能源的估计值有所不同，这里我们采用了国际应用系统分析研究所（II

5、ASA）的数据，这是我们见过的最详细的数据。天然气AI 改变能源智算如何引领新型电力系统3从技术上来讲，摩尔定律和黄氏定律可以也必须持续下去，但它必须投入更大的研发资金以及消耗更多的能源，能源革命并没有改变杰文斯悖论。而经济和商业规律决定了，这些投资体现为更高的能量密度和算力密度的基础设施，必须以更广泛的创新和应用实现回报（ROI），新的生产力得以形成，经济增长得以实现。这就是 AI 时代的杰文斯悖论的商业和经济基础。杰文斯悖论也说明了原有的经发展模式是不可持续的：如果能源的无限需求内生于经济发展，唯一的选择，就是使用绿色和清洁的能源。可再生发电边际成本趋近于零，智能算力边际成本趋近于零，这两

6、大趋势合龙，将引发广泛的应用创新，渗透到经济与社会中，进一步带动对于能源和算力需求的同步上升。生成式 AI 革命，与能源革命耦合在一起，也将带来能源管理方式的根本变化。算力革命与能源革命将互相迭加、融合、增强；如果清洁能源供应不足，电力基础设施不向新能源转型，人工智能的发展将会被“卡脖子”。计算的本质是能源的处理形式，计算过程也是能量转换和使用的结果。AI 所带来的海量计算，将与可再生能源一起，推动新一轮信息与能源革命。而这一轮大模型创新所遵循的扩展定律（scaling law），即更多的数据和更大的算力推动模型越来越大，越来越接近通用人工智能（AGI），产生了大数据-大算力-大模型-大电力的